模型
Idea撞车何恺明「分形生成模型」！速度领先10倍，性能更强
前不久，大神何恺明刚刚放出新作「分形生成模型」，递归调用原子生成模块，构建了新型的生成模型，形成了自相似的分形架构，将GenAI模型的模块化层次提升到全新的高度。 论文地址： 地址：，澳大利亚国立大学的研究人员提出了一个全新的图像生成模型ARINAR，在思想上与分形生成模型不谋而合，但是在性能和速度上都显著提升，base模型的FID从11.8提升到2.75，生成时间从2分钟降低到12秒！ ARINAR不仅超越了之前的扩散模型，与目前表现最好的自回归模型MAR相比，ARINAR生成质量相当，速度是MAR的5倍。
3/24/2025 9:08:00 AM
新智元
硅谷投资人爆料：AI爆炸率先发生在中国！芯片扩大1万倍，AI逼近物理极限
如果AI系统能自己设计出更强大的AI，智能爆炸可能很快就要到来了！ 而人类，会被AI迅速甩在后面。 最近，硅谷投资人、EverFi CEO兼创始人Tom Davidson等人发表了一篇长文硬核博客，详细讨论了智能爆炸（Intelligence explosion, IE）的类型以及对应的发生概率。
3/24/2025 8:55:00 AM
新智元
AI PS卷起来了！谷歌Gemini动嘴P图火出圈，马斯克Grok连夜上线图像编辑
Grok连夜上线图片编辑功能。 昨晚，Grok上线图片编辑功能，可以通过文字描述直接修改图片。 比如你可以上传一张个人证件照，「动动嘴」让Grok给你PS一套全新的西服。
3/24/2025 8:43:00 AM
新智元
数据越多越好？错了！关键在于如何“喂”给模型
咱们今天聊聊机器学习里的一个重点概念——特征工程。 我们人看东西、做判断，是不是得先抓住事物的关键特点？ 比如说，你要判断一个苹果好不好吃，你会看它颜色、闻它香味、摸它硬度，甚至尝一口。
3/24/2025 6:40:00 AM
Python数智工坊
成效初显！基于DeepSeek强化学习的医疗VLM策略来了
编辑 | ScienceAI在人工智能跨界医疗的浪潮中，如何赋能视觉语言模型（VLM）去 “看懂” 多种类型的医学影像，并在疾病诊断、病灶分析等任务中给出可信解释，已成关键挑战。 近期，来自埃默里大学、南加州大学等机构的联合研究团队基于 DeepSeek 强化学习提出了一套医疗 VLM 策略，称之为 “Med-R1”，通过鼓励模型在 “推理过程” 上不断探索，大大提升了跨模态、跨任务的泛化能力。 本文将结合实验结果和推理案例，为大家展示 DeepSeek 在医疗 VLM 中的实战成效。
3/21/2025 2:05:00 PM
ScienceAI
13年后，AlexNet源代码终于公开：带注释的原版
想知道 AlexNet 2012 年的原始代码长什么样吗？ 现在，机会来了！ 刚刚，谷歌首席科学家 Jeff Dean 宣布，他们与计算机历史博物馆（CHM）合作，共同发布了 AlexNet 的源代码，并将长期保存这些代码。
3/21/2025 1:17:38 PM
机器之心
原有的模型评测基准OUT了！12岁高中生建立了一个网站， 让AI模型发起 Minecraft 挑战
编辑 | 言征出品 | 51CTO技术栈（微信号：blog51cto）由于传统的AI 基准测试技术已被证明不够充分，AI 开发者开始采用更具创造性的方式来评估生成式 AI 模型的能力。 对于一组开发者来说，这就是微软旗下的沙盒建造游戏 Minecraft。 Minecraft Benchmark （或 MC-Bench）网站是合作开发的，目的是让人工智能模型在面对面的挑战中相互竞争，用 Minecraft 创作来回答提示。
3/21/2025 1:05:18 PM
言征
25万GPU，估值350亿美元冲刺IPO！财务定时炸弹，GenAI不祥之兆
美国云服务公司CoreWeave，已提交上市文件，即将IPO。 这是美国近期首个有意义的科技IPO，也是首个直接与AI热潮相关的IPO。 CoreWeave虽然有25万GPU，却频频受到质疑。
3/21/2025 12:56:44 PM
新智元
一个算法让LLM创新能力暴增，原来是AI学会了进化
如果你让当今的 LLM 给你生成一个创意时钟设计，使用提示词「a creative time display」，它可能会给出这样的结果：或许我们能在其中看到一些创新点，但整体来说这些设计并无特别出彩之处，依然还在预期之内。 但近日的一项研究成果却可以让 LLM 设计出下面这些让人眼前一亮的时钟，而使用的提示词却和上面的一样：这是怎么做到的呢？ 简而言之：一种基于 LLM 的进化算法。
3/20/2025 2:18:57 PM
机器之心
生活机器人最后考验！杨笛一团队发布EgoNormia：现实中能否符合社会规范？
随着人工智能技术日益成熟，社会各界对AI或机器人能否学习并遵循社会规范的问题越来越关注。 从早期的科幻小说到如今的现实应用，人类始终期望机器能够理解并内化这些根植于社会生活中的「规范」。 随着视觉语言模型（VLMs）不断进步，研究者们陆续推出了诸多基准和数据集，用以评估其第一视角下的视频理解能力。
3/20/2025 1:02:34 PM
新智元
宇树机器人侧空翻惊呆网友：“我**想要一个！”
这下特效视频和机器人实拍真的傻傻分不清楚了…前几天机器人卷的还是前后空翻呢，宇树现在连侧空翻都曝出来了。 干拔起跳，落地都不带晃的：以上动作，由宇树的Unitree G1呈现，就是身高1米3，售价9.9万起的那个型号。 宇树官方是酱婶描述的：这是世界上第一款征服站立侧空翻的人形机器人。
3/20/2025 12:11:42 PM
量子位
OpenAI史上最贵模型来了！比DeepSeek贵270倍，100万输出token 600美元
比DeepSeek-R1贵270倍，OpenAI史上最贵模型来了！ 就在刚刚，OpenAI上线了推理模型o1-pro的API。 本来大家还挺高兴，结果一看到价格，悬着的心终于死了。
3/20/2025 11:58:29 AM
波士顿动力Atlas逆天进化！这次用上了「强化学习+动捕」，人类动作直接复刻，背后还有个AI机构
说起波士顿动力，大家肯定不陌生，他们家的Atlas机器人，也是人形机器人界的“顶流”。 刚刚，Atlas人形机器人又秀了一波新操作，简直太惊人了，动作无限接近人类，大家直接看视频感受一下波士顿动力官方发推表示，Atlas这次展示的是用动作捕捉服开发的强化学习策略。 啥意思呢？
3/20/2025 10:30:35 AM
AI寒武纪
AI预判了你的预判！人大高瓴团队发布TTR，教会AI一眼看穿你的下一步
本文作者均来自中国人民大学高瓴人工智能学院。 其中，第一作者谭文辉是人大高瓴博士生（导师：宋睿华长聘副教授），他的研究兴趣主要在多模态与具身智能。 本文通讯作者为宋睿华长聘副教授，她的团队 AIMind 主要研究方向为多模态感知、生成与交互。
3/20/2025 10:03:44 AM
机器之心
刚刚，OpenAI推出最贵o1-pro API！千倍于DeepSeek
刚刚，OpenAI 在其开发者 API 中推出了 o1 推理模型的一个更强大版本，即 o1-pro。 据 OpenAI 称，o1-pro 使用比 o1 更多的计算资源来提供更好的响应。 该功能仅对特定开发者开放（Tier 1–5 开发者），支持视觉、函数调用、结构化输出，并与响应和 Batch API 兼容。
3/20/2025 9:46:06 AM
机器之心
揭秘老黄演讲中关键技术：PD分离！UCSD华人团队力作，LLM吞吐量跃升4倍
现在，PD分离已经成为兵家必争之地。 前有Mooncake/DeepSeek等公司采用这种技术来优化大模型的推理服务，后有Nvidia/PyTorch基于该技术孵化下一代LLM服务系统。 甚至最近，黄仁勋也在2025 GTC的舞台上提到了PD分离（Prefill-Decode Disaggregation）技术，进一步证明了这一技术获得的广泛关注。
3/20/2025 9:00:00 AM
新智元
1段视频=亿万虚拟场景，当真实世界秒变机器人训练场
3月19日，群核科技在GTC2025全球大会上宣布开源空间理解模型SpatialLM，这是一个基于大语言模型的3D场景语义生成框架。 它突破了传统大语言模型对物理世界几何与空间关系的理解局限，赋予机器类似人类的空间认知和解析能力。 这相当于为具身智能领域提供了一个基础的空间理解训练框架，企业可以针对特定场景对SpatialLM模型微调，降低具身智能训练门槛。
3/19/2025 2:47:00 PM
新闻助手
无需百卡集群！港科等开源LightGen: 极低成本文生图方案媲美SOTA模型
LightGen 主要作者来自香港科技大学和 Everlyn AI, 第一作者为香港科技大学准博士生吴显峰，主要研究方向为生成式人工智能和 AI4Science。 通讯作者为香港科技大学助理教授 Harry Yang 和中佛罗里达副教授 Sernam Lim。 共同一作有香港科技大学访问学生白亚靖，香港科技大学博士生郑皓泽，Everlyn AI 实习生陈浩东，香港科技大学博士生刘业鑫。
3/19/2025 10:41:11 AM
机器之心
资讯热榜
阿里推出 AI 医学助手 App“氢离子”：收录千万级核心期刊文献，还可查疾病、找药品
Kimi K2 高速版kimi-k2-turbo-preview发布 输出每秒 40 Tokens
AI和云基础设施初创企业E2B如何成为88%的财富100强企业的必备选择
ChatGPT大更新推出学习模式！“一夜之间1000个套壳应用又死了”
AI安全上，开源仍胜闭源，Meta、UCB防御LLM提示词注入攻击
逆天!旧Mac上能run千亿参数SOTA!效果惊人:一次生成游戏，0修改！本地大模型拐点来了!网友：别被大模型叙事带偏了(附指南）
阶跃星辰新一代基础大模型 Step 3 正式开源：拥有强大视觉感知和复杂推理能力
2025年ChatGPT编程神器指南：20个开发者必学提示！
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
AI绘画
谷歌
机器人
数据
大模型
Midjourney
开源
智能
用户
Meta
微软
GPT
学习
技术
图像
Gemini
AI创作
马斯克
论文
智能体
英伟达
Anthropic
代码
算法
训练
Stable Diffusion
芯片
开发者
蛋白质
腾讯
LLM
生成式
苹果
Claude
神经网络
AI新词
Agent
3D
机器学习
AI for Science
研究
生成
xAI
AI视频
计算
人形机器人
Sora
GPU
AI设计
百度
华为
工具
搜索
大语言模型
场景
RAG
字节跳动
具身智能
大型语言模型
预测
深度学习
伟达
视觉
Transformer
视频生成
AGI
神器推荐
亚马逊
架构
Copilot
DeepMind
模态
安全